数据可视化(17)-Seaborn系列 | 回归模型图lmplot()

seaborn.lmplot(x, y, data, hue=None,
               col=None, row=None, palette=None,
               col_wrap=None, height=5, aspect=1,
               markers='o', sharex=True, sharey=True, 
               hue_order=None, col_order=None, row_order=None, 
               legend=True, legend_out=True, x_estimator=None,
               x_bins=None, x_ci='ci', scatter=True, fit_reg=True,
               ci=95, n_boot=1000, units=None, order=1, 
               logistic=False, lowess=False, robust=False,
               logx=False, x_partial=None, y_partial=None, 
               truncate=False, x_jitter=None, y_jitter=None, 
               scatter_kws=None, line_kws=None, size=None)

x,y:数据字段变量名(如上表，date,name,age,sex为数据字段变量名)
作用：根据实际数据，x,y常用来指定x,y轴的分类名称

data: DataFrame,数组或数组列表
    
hue,row:字符串(数据字段变量名)
作用：hue对数据进行第二次分组(通过颜色区分)

col:字符串(数据字段变量名)
作用：通过设置col指定变量名，以该变量名的内容进行分类，
每一个类别下的数据绘制一个图
(即该变量名下有多少类值就绘制多少个图，并且排列在一行上)

palette:调色板名称，list类别或者字典
作用：用于对数据不同分类进行颜色区别

col_wrap:int
作用：将多列跨行显示

height:标量
作用：指定图的大小

aspect:标量
作用：指定每一面的宽高比

markers:标记

share{x,y} : bool, "col", or "row"
如果为true，facets将跨列共享y轴和/或跨行共享x轴。

{hue,col,row}_order : 列表
表示刻面变量级别的顺序

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例1：
绘制两变量之间的简单线性关系
"""
sns.lmplot(x="total_bill", y="tip", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例2：
通过设置hue对数据进行第二次分组(通过对颜色进行区分)
"""
sns.lmplot(x="total_bill", y="tip", hue="smoker", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例3：
通过设置markers对数据点进行不同的标记
"""
sns.lmplot(x="total_bill", y="tip", hue="smoker",
            data=tips,markers=["o", "x"])
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例4：
通过设置palette，显示不同的颜色
"""
sns.lmplot(x="total_bill", y="tip", hue="smoker",
            data=tips,palette="Set1")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例5：
通过设置palette=dict显示不同的颜色
"""
sns.lmplot(x="total_bill", y="tip", hue="smoker",
            data=tips,palette=dict(Yes="g", No="m"))
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例6：
通过设置col指定变量名，以该变量名的内容进行分类，
每一个类别下的数据绘制一个图(即该变量名下有多少类值就绘制多少个图，并且排列在一行上)
"""
sns.lmplot(x="total_bill", y="tip", 
           col="smoker", data=tips)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例7：
通过设置col，将不同的分组分别绘制(列数为类别数)
"""
sns.lmplot(x="size", y="total_bill", 
           hue="day", col="day",
           data=tips, height=6, 
           aspect=.4, x_jitter=.1)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例8：
通过设置col_wrap,将多列换成多行(多列不美观)
"""
sns.lmplot(x="total_bill", y="tip", 
           col="day", hue="day",
           data=tips, col_wrap=2, height=3)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
# 设置样式风格
sns.set(color_codes=True)
# 构建数据
tips = sns.load_dataset("tips")
"""
案例9：
两个变量形成的图
"""
sns.lmplot(x="total_bill", y="tip", 
           row="sex", col="time",
           data=tips, height=3)
plt.show()